Communitygithub.com

CamjamPNG/skills

一個 AI 代理技能,能防止模型在複雜任務中淹沒於冗詞贅字之中。

skills 是什麼?

這個「高效語意思考」代理技能專為 Claude Code、Cursor、Codex 等平台設計,旨在大幅減少 AI 模型輸出時不必要的語言開銷。它透過將自然語言結構壓縮成緊湊的語意表示(如 `PRICE<=500` 或 `TASK:FIND OBJ:LAPTOP`)來運作,並在與使用者溝通時才擴展回自然語言。此技能特別適用於包含多重約束、實體、相依性或規劃步驟的複雜任務,能有效避免重複、填充詞及裝飾性語言。它嚴格遵循「意義優先、措辭其次」的法則,並內建了避免 AI 常見寫作模式(如誇大重要性、使用空泛形容詞)的檢查機制,確保在壓縮冗餘資訊的同時,絕不遺失任何影響結果的具體事實、數值與條件。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add CamjamPNG/skills

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

高效語意思考

在意義之前思考措辭。將不必要的自然語言結構轉換為緊湊的語意表示,在壓縮後的表示上進行操作,只有在與使用者溝通時才擴展回自然語言。

目標是在不遺漏任何影響結果的資訊下,最小化語言開銷。為了刪減文字而刪減是不計入的。

啟用時,請宣告:「我正在使用高效語意思考技能。」

使用時機

適用於以下情況:

  • 任務包含多重約束條件、實體、相依性或狀況。
  • 相同資訊需要被重複引用。
  • 任務需要跨越多個步驟進行規劃。
  • 代理正在進行比較、篩選、排序、排名或轉換資訊。
  • 工具工作流程包含大量的結構化狀態。
  • 代理需要在多個操作之間維持狀態。
  • 自然語言的陳述變得重複。
  • 一個概念可以更精確地表示為關係、謂詞、數值或狀態。
  • 代理正在處理大量資訊,而語言的重複性增加了很少的意義。

不適用於以下情況:

  • 任務微不足道,壓縮帶來的複雜度超過其減少的量。
  • 使用者要求的是日常對話。
  • 任務的主要輸出是散文。
  • 壓縮會消除模糊性或重要的細微差別。
  • 表示法需要發明詞彙,而不是使用現有的語意原語。

鐵律

意義優先。措辭其次。唯有在保留意義後,才進行壓縮。

絕不為了讓表示更簡短而移除資訊。

絕不用通用的抽象概念取代特定的事實。

絕不用虛假的精確度取代不確定性。

絕不用裝飾性語言取代有用的陳述。

核心模型

將自然語言視為資訊的編碼,而非資訊本身。

對於每一塊輸入,區分以下類別:

意義
├─ 實體
├─ 動作
├─ 狀態
├─ 屬性
├─ 關係
├─ 約束
├─ 條件
├─ 時間
├─ 地點
├─ 數量
├─ 偏好
├─ 目標
├─ 不確定性
└─ 證據

不要保留不貢獻意義的語言結構。

例如:

「我想要你幫我找一台筆記型電腦,價格不超過 700 美元,而且最好電池續航力很強。」

變成:

任務:尋找
物件:筆記型電腦

需求:
價格<=700美元

偏好:
電池=高

文字消失了,但需求保留了下來。

壓縮何時有幫助

當壓縮能移除以下內容時,它是有價值的:

  • 重複
  • 填充詞
  • 不必要的修飾語
  • 重複的文法結構
  • 冗餘的解釋
  • 重複的實體名稱
  • 重複的約束條件
  • 裝飾性語言
  • 不影響結論的通用陳述

當壓縮會移除以下內容時,它是沒有價值的:

  • 具體事實
  • 數值精確度
  • 因果關係
  • 例外情況
  • 條件
  • 不確定性
  • 來源歸屬
  • 使用者偏好
  • 重要的區別

避免 AI 寫作模式

許多 AI 生成文字的跡象,其根源都是語言開銷——那些誇大重要性、用公式化措辭填補內容,或以空泛的概括取代具體事實的陳述。移除它們是語意壓縮的一部分。

在起草或編輯文字時,避免以下模式:

誇大的重要性和傳承。 不要用「堪稱見證」、「關鍵時刻」、「不斷變化的格局」、「標誌著轉變」、「不可磨滅的印記」、「為更廣泛的歷史做出貢獻」。報告發生了什麼,而不是它有多重要。具體事實勝過宏大的陳述。

膚淺的 -ing 分析。 不要用結尾的「凸顯其重要性」、「強調了需求」、「確保連續性」、「反映更廣泛的趨勢」。如果逗號後的子句只是評論,就刪掉它,或將其轉變為具體事實。

宣傳性語言。 不要用「充滿活力」、「豐富的遺產」、「令人驚嘆的」、「革命性的」、「著名的」、「無縫的」。直接、具體地陳述屬性。

模糊的出處。 不要用「專家認為」、「觀察家指出」、「被廣泛認為是」。指明來源,否則就放棄這個說法。

套裝的可信度宣稱。 不要用「曾在知名媒體上報導」、「維持活躍的社群媒體形象」、「曾被專題報導」。列出報導內容,否則就省略。

AI 詞彙。 避免堆砌像「關鍵的」、「深入探討」、「增強」、「格局」、「利用」、「再者」、「此外」、「最終」這樣的詞。偏好使用平實的同義詞。

系詞迴避。 「作為」、「代表」、「象徵」這些詞可以用的地方就用「是」。使用簡單的系詞。

否定平行結構。 「不僅是 X,還是 Y」、「不是 X,而是 Y」、「是 X 而不是 Y」。直接正面陳述。

三的法則。 強行將項目排成三組——「A、B 和 C」。當內容允許時,使用兩組或四組。

優雅變體。 為了避免重複同一個詞而交換同義詞(「研究...這項研究...那篇論文」)。重複反而更清晰。

破折號過度使用。 大量依賴「——」來製造戲劇性的揭露。逗號和句號讀起來更自然。

中文引號 / 格式提示。 過度使用粗體、標題大小寫和表情符號作為格式。

測試

如果一個句子讀起來像一句引言——「這代表著朝正確方向邁出的一大步」——就把改寫成平實的資訊。引言式的語言就是那個提示。

流程

第一階段 — 語意萃取

將輸入剝離到其操作性的意義。

  1. 識別使用者真正的目標。
  2. 識別與該目標相關的每個實體。
  3. 提取硬性需求。
  4. 分別提取偏好。
  5. 提取條件和例外情況。
  6. 提取數值和比較運算子。
  7. 提取時間和地理限制。
  8. 保留不確定性。
  9. 在相關時保留證據和來源關係。
  10. 忽略不影響任務的對話填充詞。

範例:

「我可能想要便宜一點的,大概 500 美元或以下,但我真的需要至少 16GB 的 RAM。」

變成:

價格<=500美元
RAM>=16GB
RAM=硬性需求
價格=軟性偏好

除非上下文賦予其操作性意義,否則不要將「可能」、「蠻」、「真的」等詞當作資訊來解讀。

完成標準: 每個能夠改變結果的事實、約束、偏好、相依性和不確定性都已表示出來。

第二階段 — 語意壓縮

用緊湊的語意原語取代自然語言結構。

偏好使用:

價格<=500
RAM>=16GB
OS=Windows

而非:

這台電腦價格不能超過 500 美元,
應該至少有 16GB 的 RAM,而且需要執行 Windows。

一致地使用緊湊的運算子:

=     等於
!=    不等於
>     大於
<     小於
>=    大於或等於
<=    小於或等於
&     且
|     或
!     非
->    導致 / 轉換為
=>    隱含
?     不確定
@     上下文 / 關聯

偏好直接的語意形式:

價格<=500

而非:

理想的價格應該不超過 500 美元。

偏好使用:

事實:蘋果發布_IPHONE_15=2023

而非:

蘋果在 2023 年發布了 iPhone 15,
這代表了該公司持續的產品歷史中
一個重要的時刻。

第二種表示法包含了大量額外的文字,但沒有增加等價的操作性資訊。

完成標準: 壓縮後的狀態包含相同的決策相關資訊,但使用了更少的語意單元或更清晰的結構。

第三階段 — 保留具體性

不允許壓縮將具體資訊變成通用資訊。

糟糕:

人物=重要發明家

良好:

人物=艾利亞斯·豪
事實=發明了現代鎖式縫紉機
年份=1845

糟糕:

公司=成功

良好:

公司=蘋果
營收=...
時期=...
來源=...

具體資訊比通用描述更有價值。

完成標準: 沒有具體事實被一個會遺失資訊的更廣泛陳述所取代。

第四階段 — 消除語言開銷

在處理資訊時,主動移除承載語意價值低的結構。

偏好使用:

是
有
使用
寫
移動

而非不必要地膨脹的同等詞彙,例如:

作為
具備
運用
著作
遷移

偏好直接的陳述而非複雜的結構:

原因=X

而非:

這很重要,因為它有助於證明 X
最終促成了...

除非這些概念實際上與任務相關,否則不要添加:

重要性
傳承
更廣泛的趨勢
未來影響

不要僅僅因為主題看起來適合分析,就製造分析。

完成標準: 每一個剩下的語言組成部分都執行一個語意功能。

第五階段 — 在結構上推理

針對語意狀態進行操作,而不是反覆重建原始的散文。

範例:

任務:尋找
物件:筆記型電腦

需求:
OS=Windows
RAM>=16GB
儲存空間>=512GB
價格<=700

偏好:
效能>電池

候選資料:

A:價格=649 RAM=16 儲存空間=512 效能=中 電池=高
B:價格=679 RAM=32 儲存空間=1024 效能=高 電池=中
C:價格=599 RAM=8  儲存空間=512 效能=高 電池=高

篩選:

合格=A,B
拒絕:C RAM<16

排序:

B>A

結論:

最佳=B

代理不需要反覆地用散文重新陳述原始需求。

完成標準: 當前狀態直接支援下一步操作,而無需重建不必要的自然語言上下文。

第六階段 — 壓縮重複概念

當同一個實體或概念重複出現時,賦予一個穩定的參考名稱。

與其用:

羅徹斯特理工學院
羅徹斯特理工學院
羅徹斯特理工學院

不如用:

RIT

對於多個實體:

E1=RIT
E2=水牛城大學
E3=壬色列理工學院

然後:

比較:E1,E2,E3

不要創建難以解讀或記憶的縮寫。

完成標準: 重複的概念擁有穩定的參考,並且可以無歧義地重建。

第七階段 — 僅在溝通邊界擴展

緊湊的表示是工作格式,不自動成為使用者看到的格式。

將:

最佳=B
原因:
RAM=32
儲存空間=1024
效能=高

轉換為:

B 是最佳選項,因為它在合格的選項中擁有 32GB 的 RAM、1TB 的儲存空間以及最強的效能。

除非符合以下情況,否則不要暴露語意標記:

  • 使用者要求如此。
  • 該標記本身是有用的。
  • 任務是關於這個表示法本身。
  • 使用者正在使用此系統構建或除錯一個代理。

完成標準: 使用者收到要求的輸出格式,並保留了所有相關資訊。

快速參考

情況表示法
簡單事實事實:X=Y
實體E1=實體
需求需求:X=Y
偏好偏好:X=Y
約束X>=Y
條件如果:X 則:Y
不確定性X?
比較A>B
相依性A->B
多重數值X={A,B,C}
篩選篩選:X>Y
排序排序:X_降序
目標目標:X
決策最佳:X
證據來源:X

常見錯誤 / 反模式

  • ❌ 字數優化 — 較短的字串不自動等於更好的表示。

  • ❌ 語意刪除 — 因為一個細節看似次要就移除它,可能會改變答案。

  • ❌ 通用替換 — 用「重要」、「成功」、「顯著」等詞取代具體事實,會破壞資訊。

  • ❌ 裝飾性推理 — 在沒有任務需求的情況下添加重要性、傳承、影響或更廣泛的趨勢,會增加雜訊。

  • ❌ 詞彙膨脹 — 當簡單詞彙就能表示相同概念時,使用複雜的同義詞會增加語言開銷。

  • ❌ 重複重申 — 重複不變的約束條件,而不是將它們維護為狀態,浪費了表示空間。

  • ❌ 虛假確定性 — 將不確定性壓縮成一個確定的數值會改變意義。

  • ❌ 過早縮寫 — 創建一個晦澀的簡寫,其節省的心力可能還不如耗費的多。

  • ❌ 輸出洩漏 — 當使用者要求正常語言時,傳回原始的語意標記會降低可用性。

  • ✅ 語意壓縮 — 移除文字同時保留意義。

  • ✅ 具體性保留 — 保留確切的事實而非通用的摘要。

  • ✅ 狀態重複使用 — 將資訊儲存一次並引用它。

  • ✅ 直接語言 — 偏好能夠保留意義的最簡單表達方式。

  • ✅ 選擇性壓縮 — 壓縮複雜的狀態,而不是不加區分地壓縮所有東西。

  • ✅ 自然輸出 — 將最終結果擴展為使用者期望的格式。

紅旗 — 停止並重新考慮

如果你發現自己在想:

  • 「這樣聽起來更高級。」
  • 「這讓答案聽起來更重要。」
  • 「我應該提一下更廣泛的意義。」
  • 「我大概可以用一個通用陳述來取代這個具體事實。」
  • 「這個修飾語讓句子聽起來更好。」
  • 「我應該為了完整性再解釋一次。」
  • 「一個更高級的詞彙聽起來會更專業。」
  • 「我大概可以推斷出缺失的細節。」
  • 「更短自動代表更好。」
  • 「使用者大概不會注意到這個資訊被移除了。」

停下來,回到語意萃取。

常見合理化藉口

藉口現實
「我在讓回覆更簡潔。」你在移除資訊。
「使用者不需要知道這個。」使用者提出了這個要求。它不是可選的。
「這是一個合理的推論。」不確定性被保留了,還是你讓它變成了某個東西?
「這只是措辭;意義是一樣的。」那麼就用更少的詞來表達它。
「每個人都知道這個背景。」要嘛陳述它,要嘛不要依賴它。
「我是在避免重複。」你是在假設使用者會記住你省略的東西。
「它使推理更清晰。」它也讓驗證變得更困難。
「我是在建立一個更廣泛的視角。」你在添加任務沒有要求的評論。

範例應用

電子郵件摘要

輸入:

嗨,我在確認上週提到的那個提案。我這邊的截止日期是這週五。你能在今天結束前給我報價嗎?另外,我們能不能在下週一前拿到最終合約?對了,如果需要簽名,我可以數位簽署。

語意萃取:

任務:確認
物件:提案
截止日期:本週五
行動_請求:獲取報價
時間_報價:今天結束前
行動_請求:獲取最終合約
時間_合約:下週一前
條件:如果_需要_簽名 -> 可以數位簽署

輸出:

請求:今日提供報價,下週一前提供最終合約。提案截止日期為本週五。簽名可數位處理。

研究任務

輸入:

我需要弄清楚 2023 年第四季成長最快的前五大雲端供應商是哪幾家。請根據營收成長來排列,並附上引用來源。我只對 AWS、Azure 和 GCP 有興趣。

語意萃取:

任務:查找並排序
範圍:雲端供應商
供應商:{AWS, Azure, GCP}
期間:2023 年第四季
指標:營收成長
順序:降序
限制:前五
格式:附上引用

直接使用這個結構進行查詢,而不是用散文重寫指令。

總結

  1. 萃取意義。
  2. 壓縮表示。
  3. 保留具體性。
  4. 消除語言開銷。
  5. 在結構上推理。
  6. 壓縮重複概念。
  7. 僅在溝通時擴展。

鐵律:意義優先。措辭其次。唯有在保留意義後,才進行壓縮。

相關技能